Triagem espectral molecular sérica baseada em SERS para metástase hematogênica

Embora a medicina moderna tenha feito progressos significativos no diagnóstico e tratamento do câncer de pulmão, a maioria dos pacientes é diagnosticada em estágio localmente avançado ou com metástases à distância, especialmente nos estágios finais, onde o câncer se espalhou para outros órgãos através de metástases hematogênicas. Isso não apenas aumenta significativamente a taxa de sobrevivência dos pacientes, mas também aumenta a complexidade e a dificuldade do tratamento. A metástase hematogênica desempenha um papel importante na progressão clínica do câncer de pulmão, seus complexos processos biológicos representam um enorme desafio para o manejo clínico. A detecção precoce de metástases hematogênicas é difícil e os métodos de imagem tradicionais têm sensibilidade limitada na detecção de pequenas lesões metastáticas. A tecnologia emergente de células tumorais circulantes (CTCs) tem sido limitada na aplicação clínica devido aos seus altos custos de detecção e requisitos técnicos. Portanto, pesquisar e desenvolver tecnologias de alta sensibilidade, alta especificidade, simples, fáceis de popularizar e de baixo custo para prever o risco de câncer de pulmão com metástase hematogênica é crucial para o diagnóstico precoce e um tratamento mais preciso. A espectroscopia Raman (RS), uma tecnologia de detecção molecular não invasiva e altamente específica, pode detectar biomoléculas como proteínas, ácidos nucléicos, lipídios e açúcares relacionados ao metabolismo tumoral em amostras biológicas em nível molecular. A espectroscopia R de superfície aprimorada (SERS), desenvolvida com base nesta tecnologia, é um dos métodos viáveis ​​para análise biomolecular de alta sensibilidade. Embora a tecnologia SERS tenha mostrado resultados diagnósticos em numerosos estudos pré-clínicos de vários tumores, ela é limitada por amostras pequenas e carece de validação externa. Portanto, são necessários estudos clínicos sobre o diagnóstico de tumores por espectroscopia Raman, com os seguintes requisitos: 1. São necessários métodos de processamento de dados de espectroscopia Raman objetivos, rápidos e práticos, e métodos de aprendizagem profunda podem ser os melhores métodos de classificação; 2. São necessárias amostras clínicas multicêntricas e de grandes amostras para treinar modelos de diagnóstico de aprendizagem profunda, e o desempenho no mundo real deve ser validado através de dados externos de estudos prospectivos. No estudo anterior, os pesquisadores coletaram dados de espectroscopia Raman sérica de uma coorte de 23 pacientes com malignidades pulmonares e desenvolveram um sistema de diagnóstico Raman inteligente para metástase hematogênica em câncer de pulmão de células não pequenas (NSCLC) baseado em modelos de aprendizagem, com uma taxa de precisão de 95%. Para obter o mais alto nível de evidência clínica e realmente alcançar a tradução clínica, este estudo clínico prospectivo e multicêntrico visa validar o uso deste sistema de diagnóstico inteligente para o diagnóstico precoce de metástases hematogênicas em NSCLC.